University of Texas at Austin（得克萨斯大学奥斯汀分校）

Operator Learning for Surrogate Modeling of Wave-Induced Forces from Sea Surface Waves

运算学习用于海面波浪诱导力的替代建模

Shukai Cai, Sourav Dutta, Mark Loveland, Eirik Valseth, Peter Rivera-Casillas, Corey Trahan, Clint Dawson

机构 * Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校奥登计算工程与科学研究所） ； Information Technology Laboratory, U.S. Army Engineer Research and Development Center（美国陆军工程兵研究与发展中心信息技术实验室） ； Department of Mechanical Engineering and Technology Management, Norwegian University of Life Sciences（挪威生命科学大学机械工程与技术管理系） ； Department of Numerical Analysis and Scientific Computing, Simula Research Laboratory（Simula研究实验室数值分析与科学计算系） 纠错

AI总结 本文利用深度运算网络替代传统波浪模型，通过不同边界条件和风场的数值实验，验证了其在预测辐射应力梯度和显著波高方面的高精度。

Comments 46 pages, 15 figures

One Life to Learn: Inferring Symbolic World Models for Stochastic Environments from Unguided Exploration

一次生命学习：从无指导探索中推断随机环境的符号世界模型

Zaid Khan, Archiki Prasad, Elias Stengel-Eskin, Jaemin Cho, Mohit Bansal

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Allen Institute for AI（艾伦人工智能研究所） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 本文提出OneLife框架，通过条件激活的程序法则在概率编程框架中推断随机环境的动态，实现从无指导探索中学习复杂环境的动力学，优于基线方法。

Comments Accepted to ICLR 2026. Project page: https://onelife-worldmodel.github.io/; 44 pages